CN116991108B - 一种架桥机智慧管控方法、***、装置及存储介质 - Google Patents
一种架桥机智慧管控方法、***、装置及存储介质 Download PDFInfo
- Publication number
- CN116991108B CN116991108B CN202311235274.4A CN202311235274A CN116991108B CN 116991108 B CN116991108 B CN 116991108B CN 202311235274 A CN202311235274 A CN 202311235274A CN 116991108 B CN116991108 B CN 116991108B
- Authority
- CN
- China
- Prior art keywords
- bridge girder
- erection machine
- girder erection
- determining
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 claims abstract description 171
- 230000007613 environmental effect Effects 0.000 claims abstract description 34
- 230000004044 response Effects 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims description 105
- 230000006641 stabilisation Effects 0.000 claims description 29
- 238000011105 stabilization Methods 0.000 claims description 29
- 230000015654 memory Effects 0.000 claims description 8
- 230000000875 corresponding effect Effects 0.000 description 47
- 238000012549 training Methods 0.000 description 42
- 239000013598 vector Substances 0.000 description 16
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Bridges Or Land Bridges (AREA)
Abstract
本发明公开了***与方法一种架桥机智慧管控方法、***、装置及存储介质,该方法由处理器执行,包括:确定架桥机的当前作业阶段,以及基于当前作业阶段,确定初始监测密集度;基于初始监测密集度,获取架桥机的至少一个预设点位的监测数据以及架桥机所处环境的环境参数;基于环境参数以及监测数据,确定架桥机的作业稳定度;响应于作业稳定度不满足预设条件,控制制动装置、液压驱动***和电力驱动***对架桥机的当前作业速度进行调整,以及确定未来作业阶段的目标监测密集度。
Description
技术领域
本说明书涉及架桥机安全管理技术领域,特别涉及一种架桥机智慧管控方法、***、装置及存储介质。
背景技术
架桥机是将预制好的梁片放置到预制好的桥墩上去的设备。由于架桥机的体型较长、重量大、影响因素多,作业时易出现架桥机倾覆等一系列安全问题。
针对如何进行安全管控的问题,CN114363733B披露了一种架桥机稳定状态实时检测预警***及其应用方法,该***可以采集实时的传感器数据,以对架桥机的状态进行实时判断和预警。然而,根据实时数据进行安全问题监测的方式,可能会导致不可挽回的较大的财产损失,还可能存在警报滞后问题。
因此,有必要提供一种架桥机智慧管控方法、***、装置及存储介质,能够及时、有效地对架桥机的工作状态进行管控,以避免出现重大安全问题。
发明内容
为了解决对架桥机的状态进行实时判断中遇到的问题,本说明书提供一种架桥机智慧管控方法、***、装置及存储介质,能够及时、有效地对架桥机的工作状态进行管控。
本发明提供一种架桥机智慧管控方法,所述方法由处理器执行,包括:确定架桥机的当前作业阶段,以及基于所述当前作业阶段,确定初始监测密集度;基于所述初始监测密集度,获取所述架桥机的至少一个预设点位的监测数据以及所述架桥机所处环境的环境参数;基于所述环境参数以及所述监测数据,确定所述架桥机的作业稳定度;响应于所述作业稳定度不满足预设条件,控制制动装置、液压驱动***和电力驱动***对所述架桥机的当前作业速度进行调整,以及确定未来作业阶段的目标监测密集度。
本发明提供一种架桥机智慧管控***,所述***包括:第一确定模块,用于确定架桥机的当前作业阶段,以及基于所述当前作业阶段,确定初始监测密集度;获取模块,用于基于所述初始监测密集度,获取所述架桥机的至少一个预设点位的监测数据以及所述架桥机所处环境的环境参数;第二确定模块,用于基于所述环境参数以及所述监测数据,确定所述架桥机的作业稳定度;调整模块,用于响应于所述作业稳定度不满足预设条件,控制制动装置、液压驱动***和电力驱动***对所述架桥机的当前作业速度进行调整,以及确定未来作业阶段的目标监测密集度。
本发明提供一种架桥机智慧管控装置,所述装置包括至少一个处理器以及至少一个存储器;所述至少一个存储器用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现架桥机智慧管控方法。
本发明提供一种计算机可读存储介质,所述存储介质用于存储计算机指令,当当计算机读取存储介质中的计算机指令后,计算机执行架桥机智慧管控方法。
上述发明内容带来的有益效果包括但不限于:(1)通过采集监测数据确定作业稳定度,能够根据需要对架桥机的作业速度进行自动调节,保证架桥机作业安全;(2)通过确定未来作业阶段的目标监测密集度,能够合理设计未来作业阶段的监测时间点,以采集到所需的监测数据,在保证架桥机在未来作业阶段的作业安全的情况下,有效避免产生冗余数据。
附图说明
图1是根据本说明书一些实施例所示的架桥机智慧管控***的示例性模块图;
图2是根据本说明书一些实施例所示的架桥机智慧管控方法的示例性流程图;
图3是根据本说明书一些实施例所示的调整当前作业速度的示例性示意图;
图4是根据本说明书一些实施例所示的确定预估作业稳定度的示例性示意图。
具体实施方式
下面将对实施例描述中所需要使用的附图作简单的介绍。附图并不代表全部的实施方式。
本文使用的“***”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
图1是根据本说明书一些实施例所示的架桥机智慧管控***的示例性模块图。
在一些实施例中,架桥机智慧管控***100可以包括第一确定模块110、获取模块120、第二确定模块130和调整模块140。在一些实施例中,架桥机智慧管控***100中的各模块可以由处理器实现。
第一确定模块110用于确定架桥机的当前作业阶段,以及基于当前作业阶段,确定初始监测密集度。
获取模块120用于基于初始监测密集度,获取架桥机的至少一个预设点位的监测数据以及架桥机所处环境的环境参数。
第二确定模块130用于基于环境参数以及监测数据,确定架桥机的作业稳定度。
调整模块140用于响应于作业稳定度不满足预设条件,控制制动装置、液压驱动***和电力驱动***对架桥机的当前作业速度进行调整,以及确定未来作业阶段的目标监测密集度。
在一些实施例中,调整模块140进一步用于获取预警设备的预警次数和预警类型;基于预警次数、预警类型、架桥机在未来时间点的主梁倾角变化数据和当前作业速度,确定未来时间点的预估作业稳定度;基于预估作业稳定度,确定作业调整速度,并对当前作业速度进行调整。
在一些实施例中,调整模块140进一步用于确定至少一个预设作业速度;确定至少一个预设作业速度对应的预估作业稳定度;基于至少一个预设作业速度对应的预估作业稳定度,确定目标作业速度,将目标作业速度确定为作业调整速度。
在一些实施例中,架桥机智慧管控***100还可以包括判断模块(图1未示出)。判断模块用于基于环境参数和所述监测数据,确定架桥机在未来时间点的主梁倾角变化数据;基于当前作业速度和历史统计数据,确定理想倾角数据;基于主梁倾角变化数据和理想倾角数据的差异与预设差异阈值,判断作业稳定度是否满足所述预设条件。
更多说明参见图2至图4的相关描述。
需要注意的是,以上对于架桥机智慧管控***100及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该***的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子***与其他模块连接。在一些实施例中,图1中披露的第一确定模块110、获取模块120、第二确定模块130和调整模块140可以是一个***中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图2是根据本说明书一些实施例所示的架桥机智慧管控方法的示例性流程图。在一些实施例中,流程200可以由处理器执行。如图2所示,流程200包括下述步骤。
步骤210,确定架桥机的当前作业阶段,以及基于当前作业阶段,确定初始监测密集度。
架桥机的当前作业阶段是指架桥机在当前时间点或时间段所执行的工作流程或作业阶段。例如,作业阶段可以包括试运行阶段和运行阶段。试运行阶段中架桥机可以进行空载运行,通过试运行阶段可以判断架桥机是否稳定设置在施工位置。运行阶段中架桥机可以运送预制梁至预制好的桥墩上。例如,运行阶段可以包括启动阶段、稳定运行阶段和作业终止阶段等。其中,启动阶段是指架桥机由启动到移动至施工位置的阶段。稳定运行阶段是指架桥机稳定并开始运送预制梁的阶段。作业终止阶段是指架桥机从停止运送预制梁到离开施工位置的阶段。上述作业阶段的相关描述仅用于说明目的,而无意限制本说明书的范围。
在一些实施例中,处理器可以通过多种方法确定架桥机的当前作业阶段。例如,处理器可以根据用户输入确定架桥机的当前作业阶段。例如,处理器可以根据架桥机是否在运送预制梁来确定当前作业阶段。当架桥机空载运行时,可以确定当前作业阶段为试运行阶段;当架桥机在运送预制梁时,可以确定当前作业阶段为运行阶段中的稳定运行阶段。当前作业阶段还可以通过其他可行的方式确定,在此不做限制。
监测密集度是指一定时间范围内的监测参数的分布情况。监测参数可以包括监测时间点、监测位置点等。相应的,监测密集度可以包括监测时间点、监测位置点的分布。监测时间点是用于进行数据监测的时间点、监测位置点是用于进行数据监测的位置点。监测位置点可以位于架桥机上和/或架桥机附近一定范围内。
在一些实施例中,监测密集度可以包括监测时间密集度。监测时间密集度是指预设时间范围内的多个监测时间点的密集程度。例如,监测时间密集度可以是X个/分钟,表示一分钟内设置X个监测时间点。在一些实施例中,相邻两个监测时间点的时间间隔可以相同或不同。
在一些实施例中,监测密集度还可以包括监测位置密集度。监测位置密集度是指多个监测位置点的密集程度。例如,监测位置密集度可以是Y个/平方米,表示一平方米内设置Y个监测位置。监测位置密集度的设置方式与监测时间密集度的方式可以类似,在此不再赘述。
初始监测密集度是指根据架桥机的当前作业阶段设计的监测密集度。不同的作业阶段对应的监测密集度可以不同。例如,不同的作业阶段对应的监测时间点的个数和/或分布可以不同,监测时间密集度越大时,监测时间点的个数越多,监测时间点的分布越密集。不同的作业阶段对应的监测位置点的个数和/或分布可以不同,监测位置密集度越大时,监测位置点的个数越多,监测位置点的分布越密集。
在一些实施例中,处理器可以根据当前作业阶段,通过查询密度对照表的方式确定初始监测密集度。其中,密度对照表中包括不同作业阶段对应的监测密集度,密度对照表可以基于历史数据或先验知识预先设置。例如,在架桥机的启动阶段,需要在一分钟内采集60次监测数据,可以预设初始监测密集度为60个/分钟。又例如,在架桥机的稳定运行阶段,需要在一分钟内采集20次监测数据,可以预设初始监测密集度为20个/分钟。
在一些实施例中,处理器还可以通过其他方式确定初始监测密集度。例如,处理器可以根据当前作业阶段,从数据库中选取与当前作业阶段相似的作业阶段对应的历史监测密集度,将历史监测密集度作为当前作业阶段的初始监测密集度。
步骤220,基于初始监测密集度,获取架桥机的至少一个预设点位的监测数据以及架桥机所处环境的环境参数。
预设点位是指架桥机上需要进行监测的位置。在一些实施例中,可以在架桥机的关键结构上设置至少一个预设点位。关键结构可以包括主梁、支腿、前后行走***、起升***和液压***等结构。
在一些实施例中,预设点位的个数和/或分布可以相关于初始监测密集度。例如,可以将初始监测密集度中的监测位置点设置为预设点位,监测位置点的个数和分布对应为预设点位的个数和分布。
监测数据是指在架桥机上进行监测得到的相关数据。监测数据可以包括倾角数据、距离数据、应力数据、承重数据、行程数据、速度数据、加速度数据等中的一种或多种。
在一些实施例中,倾角数据可以包括主梁水平倾角数据、主梁垂直倾角数据等中的一种或多种。距离数据至少可以包括不同支腿的高度差等。承重数据可以还包括液压***的液压值、起升***对待施工材料施加的压力值、支腿的载荷等。行程数据可以包括前后行走***移动的距离、架桥机朝预设方向移动的距离等。速度数据可以包括前后行走***移动的速度、待施工材料的升降速度等。加速度数据可以包括前后行走***移动的加速度、待施工材料的升降加速度等。应力数据可以包括架桥机不同位置的应力等。
在一些实施例中,处理器可以利用多种类型的传感器获取对应类型的监测数据。传感器可以包括倾角传感器、距离传感器、应力传感器、压力传感器、行程监测传感器、速度传感器、加速度传感器等中的一种或多种。
在一些实施例中,监测数据可以是包括在多个监测时间点监测的数据的序列。该实施例中,监测数据又称为监测数据序列。在一些实施例中,处理器可以在至少一个预设点位处,获取该预设点位处的监测数据序列。例如,监测数据序列可以包括倾角数据序列(例如,可以包括主梁水平倾角数据序列、主梁垂直倾角数据序列)、距离数据序列、应力数据序列、承重数据序列、行程数据序列、速度数据序列、加速度数据序列等中的一种或多种。
环境参数是指架桥机所处环境的相关参数。环境参数可以包括架桥机所处环境的光照强度数据、空气湿度数据、风力数据和风向数据等中的一种或多种。风力数据可以指作用在架桥机上的风力的大小。风向数据可以指风吹向架桥机的方向。
在一些实施例中,处理器可以利用多种类型的传感器获取对应的环境参数。传感器可以包括光照强度传感器、湿度传感器、风力传感器和风向传感器等中的一种或多种。
在一些实施例中,环境参数可以包括至少一个监测时间点的风力数据和风向数据,相应的,环境参数包括风力数据序列和风向数据序列。
通过监测风力数据和风向数据,便于后续判断风力和风向对架桥机的影响。
步骤230,基于环境参数以及监测数据,确定架桥机的作业稳定度。
作业稳定度是指架桥机工作时的稳定程度。
在一些实施例中,处理器可以基于环境参数以及监测数据,通过第一预设规则确定架桥机的作业稳定度。在一些实施例中,第一预设规则可以是比较环境参数和/或监测数据与对应的预设正常值的差值,根据差值判断作业稳定度。例如,第一预设规则可以是比较主梁水平倾角、主梁垂直倾角、不同支腿的高差、不同支腿的载荷、当前作业速度等参数中的一个或多个与对应的预设正常值的差值。当差值超出预设差值阈值时,处理器可以判断作业稳定度较低。又例如,作业稳定度可以负相关于前述差值。处理器可以基于前述差值,通过负相关函数计算作业稳定度。例如,作业稳定度=系数/差值。又例如,作业稳定度=系数-差值。其中,第一预设规则、预设差值阈值、系数可以由***或人为预设。
在一些实施例中,处理器可以基于作业稳定度与预设稳定度阈值,判断作业稳定度是否满足预设条件。在一些实施例中,预设条件可以包括作业稳定度不低于预设稳定度阈值。相应的,当作业稳定度低于预设稳定度阈值时,可以判断作业稳定度不满足预设条件。其中,预设稳定度阈值可以是人为预设值或***默认值。
在一些实施例中,处理器可以基于环境参数和监测数据,确定架桥机在未来时间点的主梁倾角变化数据;基于当前作业速度和历史统计数据,确定理想倾角数据;基于主梁倾角变化数据和理想倾角数据的差异与预设差值阈值,判断作业稳定度是否满足预设条件。
主梁倾角变化数据是指反应主梁倾角变化情况的数据。例如,主梁倾角变化数据可以是未来某一个监测时间点的主梁倾角数据相对于上一个监测时间点的主梁倾角数据的差值。又例如,主梁倾角变化数据也可以是未来某一个监测时间点的主梁倾角数据。
在一些实施例中,主梁倾角可以包括主梁水平倾角和主梁垂直倾角,相应的,主梁倾角变化数据可以包括主梁水平倾角变化数据、主梁垂直倾角变化数据。
在一些实施例中,处理器可以基于主梁倾角数据序列,确定主梁倾角变化数据。例如,处理器可以对在多个监测时间点(包括历史及当前的)获取的主梁倾角数据序列进行拟合处理,确定最符合倾角变化规律的函数;基于该函数预测未来时间点相对前一监测时间点的主梁倾角变化数据。
在一些实施例中,处理器可以基于环境参数和监测数据,通过监测模型确定架桥机在未来时间点的主梁倾角变化数据。如图4所示,处理器可以基于风力数据序列411、风向数据序列412、承重数据序列413和倾角数据序列414,通过监测模型420确定架桥机在未来时间点的主梁倾角变化数据320。
监测模型是指用于确定主梁倾角变化数据的模型。监测模型可以为机器学习模型。例如,长短期记忆递归神经网络(Long Short Term Memory,LSTM)等。
如图4所示,在一些实施例中,监测模型420的输入可以是风力数据序列411、风向数据序列412、承重数据序列413和倾角数据序列414,输出可以为主梁倾角变化数据320。在一些实施例中,监测模型420输出的主梁倾角变化数据320可以包括主梁水平倾角变化数据和主梁垂直倾角变化数据。
在一些实施例中,监测模型可以基于多个带有第一标签的第一训练样本,通过各种方法进行训练,更新模型参数。例如,可以基于梯度下降法进行监督训练。仅作为示例,可以将多个带有第一标签的第一训练样本输入初始监测模型,通过第一标签和初始监测模型的结果构建损失函数,基于损失函数迭代更新初始监测模型的参数。当初始监测模型的损失函数满足预设完成条件时模型训练完成,得到训练好的监测模型。其中,预设完成条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中,第一训练样本可以包括样本时间段的样本风力数据序列、样本风向数据序列、样本承重数据序列和样本倾角数据序列。第一训练样本对应的第一标签可以包括样本时间段之后某一时间点的主梁倾角变化数据。在一些实施例中,第一训练样本可以基于历史数据获得。第一训练样本对应的第一标签可以通过人工标注获得。在一些实施例中,可以将大量历史运行数据中不同历史时间段的历史监测数据(例如,历史风力数据序列、历史风向数据序列、历史承重数据序列和历史倾角数据序列)作为第一训练样本,将历史时间段后续的个别时间点的主梁倾角变化数据标注为第一标签。
本说明书一些实施例中,通过使用训练好的监测模型,可以根据历史和当前的监测数据,预测未来时间点的主梁倾角变化数据,以便能够提前预知作业风险程度,同时可以有效避免误判,从而可以提前进行调整控制。
在一些实施例中,监测模型单独训练(例如,通过前述第一训练样本及第一标签进行监督训练)时,第一标签中主梁水平倾角变化数据和主梁垂直倾角变化数据的损失项权重不同。
在前述单独训练的训练过程中,处理器可以根据监测模型输出的主梁倾角变化数据与第一标签构建损失函数,反向调整初始监测模型的内部参数。其中,第一标签对应的主梁倾角变化数据可以包括主梁水平倾角变化数据和主梁垂直倾角变化数据。
该实施例中,第一标签中的主梁水平倾角变化数据和主梁垂直倾角变化数据可以在损失函数中分别作为单独的损失项,不同损失项的损失项权重不同。
需要说明的是,载荷分布不均匀可能导致主梁水平倾角过大,架桥机结构变形可能导致主梁垂直倾角过大,而载荷分布不均匀的风险(例如,造成架桥机倾倒的风险)大于架桥机结构变形。相应的,在一些实施例中,主梁水平倾角变化数据的损失项权重可以大于主梁垂直倾角变化数据的损失项权重。在一些实施例中,主梁水平倾角变化数据的损失项权重与主梁垂直倾角变化数据的损失项权重之和为1。
在一些实施例中,第一标签中主梁水平倾角变化数据和主梁垂直倾角变化数据的损失项权重的权重大小可以根据第一训练样本确定。例如,对于发生主梁水平倾角变化较多的第一训练样本,该第一训练样本对应的第一标签中主梁水平倾角变化数据的损失项权重可以在基准权重(例如,可由人工预设)上增大,增大幅度(百分比)=发生主梁水平倾角变化的第一训练样本数量-基准数量(例如,可由人工预设)/第一训练样本总数。又例如,对于发生主梁垂直倾角变化较多的第一训练样本,该第一训练样本对应的第一标签中主梁垂直倾角变化数据的损失项权重可以在基准权重(例如,可由人工预设)上增大,增大幅度(百分比)=发生主梁垂直倾角变化的第一训练样本数量-基准数量(例如,可由人工预设)/第一训练样本总数。
本说明书一些实施例中,通过将第一标签中主梁水平倾角变化数据和主梁垂直倾角变化数据的损失项权重设置为不同值,可以考虑到不同第一训练样本对应的主梁倾角的实际情况对架桥机造成的不同风险大小,在训练监测模型提高训练效率,保证模型输出的准确度。
当前作业速度指的是架桥机的作业部件(例如,前后行走***等)在当前的移动速度。
历史统计数据指的是在当前作业阶段之前的一个或多个监测时间点采集的历史监测数据和/或历史环境参数。历史统计数据可以通过存储设备确定。
理想倾角数据是指架桥机在作业过程中主梁倾角的合理范围。可以理解的是,主梁倾角在合理范围内时,架桥机的倾倒风险较小。
在一些实施例中,处理器可以将架桥机正常作业对应的历史统计数据中,与当前作业条件(例如,作业阶段、作业速度、环境参数等)类似的作业过程中的历史主梁倾角数据,确定为理想倾角数据。
在一些实施例中,预设条件可以包括主梁倾角变化数据和理想倾角数据的差异(后续称为第一差异)不大于预设差异阈值。相应的,当第一差异大于预设差异阈值时,处理器可以判断作业稳定度不满足预设条件。其中,预设差异阈值是指与第一差异相关的阈值,其可以是人为预设值或***默认值。
在一些实施例中,处理器还可以根据主梁倾角变化数据和理想倾角数据的差异确定作业稳定度。例如,第一差异越大,作业稳定度越小。又例如,处理器可以根据第一差异,通过查询稳定度对照表的方式确定作业稳定度。稳定度对照表中可以包括不同第一差异对应的作业稳定度,稳定度对照表可以基于历史数据或先验知识进行设置。
本说明书一些实施例中,通过确定主梁倾角变化数据和理想倾角数据的差异,能够以理想倾角数据作为参考合理判断主梁倾角变化数据是否满足要求,以便能够提前预知作业风险程度,从而可以提前进行调整控制,提高施工安全性。通过比较主梁倾角变化数据和理想倾角数据的差异与预设差异阈值,能够快速准确地判断作业稳定度是否符合要求。
在一些实施例中,响应于作业稳定度不满足预设条件,处理器可以进行步骤240。
步骤240,响应于作业稳定度不满足预设条件,控制制动装置、液压驱动***和电力驱动***对架桥机的当前作业速度进行调整,以及确定未来作业阶段的目标监测密集度。
在一些实施例中,响应于作业稳定度不满足预设条件,处理器可以通过下发控制指令至制动装置、液压驱动***和/或电力驱动***,使制动装置、液压驱动***和/或电力驱动***执行相应的动作,从而调整架桥机的当前作业速度。例如,处理器可以下发控制指令至制动装置,使制动装置对架桥机进行制动,从而降低架桥机的当前作业速度(例如,移动速度等)。又例如,处理器可以下发控制指令至电力驱动***,调节电力驱动***输出的动力,从而改变架桥机的当前作业速度。
处理器可以通过多种方式对架桥机的当前作业速度进行调整。在一些实施例中,处理器可以根据作业稳定度确定作业调整速度,并通过控制制动装置、液压驱动***和电力驱动***将架桥机的当前作业速度调整为作业调整速度。在一些实施例中,处理器可以根据作业稳定度,通过查询速度对照表的方式确定作业调整速度。速度对照表与前述密度对照表、稳定度对照表类似,更多说明可参考密度对照表、稳定度对照表的相关描述。
在一些实施例中,处理器还可以确定架桥机在未来时间点的预估作业稳定度,基于预估作业稳定度确定作业调整速度,并对当前作业速度进行调整。关于该实施例的更多说明参见图3的相关描述。
目标监测密集度是指架桥机在未来作业阶段的监测密集度。未来作业阶段可以由***或人为预设。关于监测密集度的更多说明参见步骤210及其相关描述。
目标监测密集度可以通过多种方式确定。
在一些实施例中,处理器可以基于主梁倾角变化数据和理想倾角数据的差异,确定未来作业阶段的目标监测密集度。在一些实施例中,主梁倾角变化数据和理想倾角数据的差异与目标监测密集度负相关。处理器可以基于主梁倾角变化数据和理想倾角数据的差异,通过负相关函数计算目标监测密集度。
在一些实施例中,处理器可以基于作业稳定度不满足预设条件的次数和/或频率确定未来作业阶段的目标监测密集度。例如,作业稳定度不满足预设条件的次数越多和/或频率越大,处理器可以在当前作业阶段的初始监测密集度的基础上调高目标监测密集度。又例如,处理器可以基于预设算法在初始监测密集度的基础上调整得到目标监测密集度。示例性的预设算法可以是:将初始监测密集度与调整系数的乘积确定为目标监测密集度。其中,调整系数可以是作业稳定度不满足预设条件的次数的倒数。
本说明书一些实施例,通过采集监测数据确定作业稳定度,能够根据需要对架桥机的作业速度进行自动调节,保证架桥机作业安全。通过确定未来作业阶段的目标监测密集度,能够合理设计未来作业阶段的监测时间点,以采集到所需的监测数据,在保证架桥机在未来作业阶段的作业安全的情况下,有效避免产生冗余数据。
图3是根据本说明书一些实施例所示的调整当前作业速度的示例性示意图。
如图3所示,在一些实施例中,处理器可以获取预警设备的预警次数311和预警类型312;基于预警次数311、预警类型312、主梁倾角变化数据320和当前作业速度330,确定未来时间点的预估作业稳定度340;基于预估作业稳定度340,确定作业调整速度350,并对架桥机的当前作业速度330进行调整。
预警设备是指能够提醒、报警的设备。预警设备可以通过声音、灯光、发送消息等方式进行预警。在一些实施例中,预警设备可以包括无线通讯装置、有线通讯装置、警报灯、扬声器等中的一种或多种。在一些实施例中,预警设备可以在一定时间范围内进行持续预警或间隔预警。上述预警设备的相关描述仅用于说明目的,而无意限制本说明书的范围。
预警次数是指一定时间范围内预警设备进行预警的次数。处理器可以通过实时计数或调取预警记录等方式确定预警次数。
在一些实施例中,预警类型可以包括严重等级。严重等级越高,表示风险越大。在一些实施例中,预警的严重等级可以由预警持续时间、预警频率、预警方式体现。例如,预警持续时间较长、预警频率较高、预警方式包括语音预警(例如,音量较大)和/或灯光预警(灯光颜色为红色)时,表示严重等级为一级(较严重);预警持续时间较短、预警频率较低、预警方式包括语音预警(例如,音量较小)和/或灯光预警(灯光颜色为橙色)时,表示严重等级为二级(不严重)。关于严重等级的相关描述仅用于说明目的,而无意限制本说明书的范围。
在一些实施例中,预警类型可以包括预警来源。例如,预警来源可以是倾角数据异常、风力数据异常、风向数据异常、承重数据异常等。其中,各种监测数据属于异常的情况可以包括监测数据异于预设正常值、监测数据的变化幅度超出对应的变化阈值等。
在一些实施例中,处理器可以在监测数据、环境参数在预设时间内的变化幅度超出对应的变化阈值时,控制预警设备进行预警。例如,检测到主梁水平倾角的变化幅度超过对应的倾角变化阈值、风向数据的变化幅度超过对应的风向变化阈值等中的一种或多种情况时,处理器可以控制预警设备进行预警。其中,监测数据、环境参数的变化幅度可以基于预设时间内的变化量与预设时间长度的比值确定。变化阈值可以是***预设值、***默认值等。
在一些实施例中,处理器可以在作业稳定度不满足预设条件,控制预警设备进行预警。
在一些实施例中,处理器可以根据监测数据、环境参数在预设时间内的变化幅度与对应的变化阈值的差异(后续称为第二差异),通过查询预警对照表的方式,确定预警类型。其中,不同类型的检测数据或环境参数对应的预警类型可以不同。例如,主梁水平倾斜角度的变化幅度超过倾角变化阈值时对应的预警类型,与主梁竖直倾斜角度的变化幅度超过倾角变化阈值对应的预警类型可以不同。
在一些实施例中,处理器可以根据作业稳定度,通过查询预警对照表的方式,确定预警类型。在一些实施例中,预警对照表中可以包括不同的第二差异和/或不同的作业稳定度与预警类型的对应关系,预警对照表可以基于历史数据或先验知识预先设置。
在一些实施例中,处理器可以在控制预警设备进行预警前和/或进行预警的过程中,通知相关技术人员进行排查。例如,可以对监测数据、环境参数在预设时间内的变化幅度是否超出对应变化阈值进行排查。又例如,可以对架桥机的状态进行排查。当经过排查判断架桥机处于正常运行状态时,不再进行预警,以便于降低误判概率。
预估作业稳定度是指预测的架桥机在未来时间点工作时的稳定程度。在一些实施例中,处理器可以基于预警次数、预警类型、架桥机在未来时间点的主梁倾角变化数据和当前作业速度,通过预设规则确定架桥机在未来时间点的预估作业稳定度。
在一些实施例中,预设规则可以是基于预警次数和预警类型确定第一调整值;基于架桥机在未来时间点的主梁倾角变化数据和当前作业速度确定第二调整值;基于当前的作业稳定度、第一调整值和第二调整值,确定预估作业稳定度。例如,预设规则进一步可以是将当前的作业稳定度减去第一调整值、第二调整值的结果,确定为预估作业稳定度。
第一调整值、第二调整值是指对当前的作业稳定度进行调整的参数值。
在一些实施例中,第一调整值相关于预警次数和预警类型。在一些实施例中,处理器可以基于预警类型确定第一系数,基于第一系数与预警次数确定第一调整值。
在一些实施例中,处理器可以基于预警类型,通过查询第一系数对照表的方式确定第一系数。例如,第一系数对照表中一级严重等级的预警类型对应的第一系数可以是1,其他预警类型对应的系数可以是0.01。需要说明的是,第一系数为1可以将当前作业稳定度进行最大化地降低处理,而0.01的作用相反。第一系数对照表与前述密度对照表类似,更多说明可参考密度对照表的相关描述。
在一些实施例中,处理器可以将第一系数与预警次数的乘积确定为第一调整值。
在一些实施例中,第二调整值相关于架桥机在未来时间点的主梁倾角变化数据和当前作业速度。在一些实施例中,处理器可以基于主梁倾角变化数据确定第二系数,基于第二系数与当前作业速度确定第二调整值。确定第二系数、第二调整值的方式与确定第一系数、第一调整值的方式类似,更多细节参考前文,此处不再赘述。
在架桥机运行和试运行时,往往会因为外界环境或内部因素变化导致预警设备发出预警。本说明书一些实施例中,通过对预警次数和预警类型、当前作业速度以及预测的主梁倾角变化数据进行分析,可以判断当前作业速度对应的预估作业稳定度,从而预判架桥机作业时的安全性,便于提高对架桥机进行控制,保证架桥机作业安全。同时,有助于进一步根据预估作业稳定度判断是否需要对架桥机的作业速度进行调整,以及调高后续调整作业速度的准确性、及时性等,实现预先调整的目的。
在一些实施例中,处理器还可以利用机器学习模型确定预估作业稳定度。
如图4所示,在一些实施例中,处理器可以基于预警次数311、预警类型312、主梁倾角变化数据320、当前作业速度330,通过稳定预测模型440确定未来时间点的预估作业稳定度340。关于主梁倾角变化数据的更多内容可以参见前文的相关描述。
稳定预测模型是指用于确定主梁倾角变化数据的模型。稳定预测模型可以为机器学习模型。例如,神经网络(Neural Networks,NN)等。
如图4所示,在一些实施例中,稳定预测模型440的输入可以是预警次数311、预警类型312、主梁倾角变化数据320、当前作业速度330,输出可以是预估作业稳定度340。
[1]在一些实施例中,稳定预测模型可以基于多个带有第二标签的第二训练样本,通过各种方法进行训练,更新模型参数。稳定预测模型的训练方法与监测模型的训练方法相似,训练方法的具体内容可以参见前文关于监测模型的训练方法的描述。
在一些实施例中,第二训练样本可以包括样本预警次数、样本预警类型、第一样本时间点的样本主梁倾角变化数据、第二样本时间点的样本作业速度。第二训练样本对应的第二标签可以包括第一样本时间点的作业稳定度。其中,第一样本时间点位于第二样本时间点之后。
在一些实施例中,第二训练样本可以基于历史数据获得。第二训练样本的第二标签可以通过人工标注获得。例如,可以将历史预警次数、历史预警类型、第一历史时间点的主梁倾角变化数据、第二历史时间点的作业速度确定为第二训练样本。例如,可以将架桥机在第一历史时间点时运行正常(例如,架桥机作业过程保持稳定等)的第二训练样本对应的第二标签标注为1,运行出现问题或可能有隐患的第二训练样本对应的第二标签标注为0。在一些实施例中,还可以根据历史运行数据中架桥机在第一历史时间点时发生预警次数的数量确定第二标签。例如,预警次数为0时,第二标签为1;预警次数不为0但经过排查属于正常运行时,第二标签为1;其他情况第二标签为0。其中,第一历史时间点位于第二历史时间点之后。
本说明书一些实施例中,通过训练好的稳定预测模型对预警次数、预警类型、当前作业速度和预测的主梁倾角变化数据进行分析,可以利用机器学习的自学习能力,从大量数据中找到规律,获取到输入数据与输出数据之间的关联关系,提高确定预估作业稳定度的准确度和效率。
如图4所示,在一些实施例中,监测模型420的输出(即主梁倾角变化数据320)可以作为稳定预测模型440的输入,相应的,稳定预测模型与监测模型可以联合训练得到。
在一些实施例中,联合训练可以基于第一训练样本、第二训练样本和第二标签进行。示例性的联合训练过程包括:将大量第一训练样本输入初始监测模型,初始监测模型输出主梁倾角变化数据;将初始监测模型输出的主梁倾角变化数据与第二训练样本输入初始稳定预测模型,初始稳定预测模型输出预估作业稳定度;基于第二标签和初始稳定预测模型的输出结果构建损失函数;基于损失函数迭代更新初始监测模型和初始稳定预测模型的参数。
本说明书的一些实施例中,通过稳定预测模型与监测模型联合训练的方式,在一些情况下有利于解决单独训练监测模型时难以获得标签的问题,还可以使监测模型能较好地得到反映未来时间点的主梁倾角变化数据。
在一些实施例中,处理器可以基于预估作业稳定度,通过多种方式确定作业调整速度。
在一些实施例中,处理器可以基于预估作业稳定度相对于当前作业稳定度的调整幅度,结合当前作业速度确定作业调整速度。例如,预估作业稳定度相对于当前作业稳定度下降一定百分比时,处理器可以将当前作业速度降低一定百分比得到作业调整速度。
在一些实施例中,处理器可以确定至少一个预设作业速度;确定至少一个预设作业速度对应的预估作业稳定度;基于至少一个预设作业速度对应的预估作业稳定度,确定目标作业速度,将目标作业速度确定为作业调整速度。
预设作业速度可以通过多种方式确定。在一些实施例中,处理器可以基于预警次数和预警类型确定预设作业速度。例如,架桥机的预警次数越多,对应的预设作业速度越小;架桥机的预警类型为一级严重类型时,对应的预设作业速度降为0或反向运行。
在一些实施例中,处理器可以基于风力变化数据、风向变化数据,结合架桥机自身参数,通过向量数据库进行匹配确定多个预设作业速度。
风力变化数据是值反映风力大小随时间的变化情况的数据。例如,风力变化数据可以是风力增加值或风力降低值。又例如,风力变化数据可以是风力变化幅度。风力变化幅度可以基于预设时间内的风力变化量与预设时间长度的比值确定。
在一些实施例中,处理器可以基于风力数据序列确定风力变化数据。例如,处理器可以通过计算两个不同时间点的风力数据的差值得到对应时间段(该时间段为前述两个时间点之间的一段时间)的风力变化数据。又例如,处理器可以通过计算两个不同时间点的风力数据的差值与时间段长度的比值,得到对应时间段的风力变化数据。
风向变化数据是值反映风向随时间的变化情况的数据。例如,风向变化数据可以是风向变化角度。又例如,风向变化数据可以是风向变化幅度。
风向变化幅度、风向变化数据的确定方式与风力变化幅度、风力变化数据的确定方式类似,更多说明参考前文。
架桥机自身参数是与架桥机自身有关的参数。例如,架桥机型号、预制梁规格尺寸等。架桥机自身参数可以由用户输入确定。
向量数据库中包含多个参考向量及其对应的参考运行速度。参考向量可以基于历史运行情况(包括历史风力变化数据、历史风向变化数据、架桥机自身参数)构建得到。参考向量对应的参考运行速度可以基于具有相应或相似历史运行情况的历史运行过程的历史运行速度确定。
在一些实施例中,处理器可以基于风力变化数据、风向变化数据、架桥机自身参数构建待匹配向量,在向量数据库中确定符合预设匹配条件的参考向量,将符合预设匹配条件的参考向量确定为关联向量;将关联向量对应的参考运行速度确定为预设运行速度。其中,预设匹配条件可以指用于确定关联向量的判断条件。在一些实施例中,预设匹配条件可以包括向量距离小于距离阈值、向量距离最小等。
本说明书一些实施例中,根据大量历史数据建立向量数据库以及在向量数据库中进行匹配,可以快速合理地确定多组预设作业速度。
在一些实施例中,处理器可以将至少一个预设作业速度输入稳定预测模型,通过稳定预测模型分别确定至少一个预设作业速度的预估作业稳定度。例如,处理器可以通过多次输入的方式将多个预设作业速度输入至稳定预测模型中,根据稳定预测模型的多次输出得到多个预估作业稳定度。又例如,处理器可以将多个预设作业速度一次性输入稳定预测模型中,由模型一次性输出得到多个预估作业稳定度。
需要说明的是,稳定预测模型的输入数据中,除将当前作业速度替换为预设作业速度外,其他输入数据可以无改动。
目标作业速度是指至少一个预设作业速度中被选择的作业速度。
在一些实施例中,处理器可以将至少一个预设作业速度对应的至少一个预估作业稳定度中,最高的预估作业稳定度对应的预设作业速度确定为目标作业速度。
本说明书一些实施例中,基于架桥机自身参数、风力变化数据、风向变化数据等确定多个预设作业速度,可以确定出多个更符合架桥机的当前工作状态和环境情况的候选的作业速度,有助于后续从中确定出最合适的作业调整速度。通过从多个预设作业速度中选择预估作业稳定度最高的预设作业速度作为作业调整速度并执行作业速度调整,可以在一定程度上降低架桥机运行和/或试运行的风险,从而提高架桥机智慧管控***的可靠性。
本说明书的一些实施例提供一种架桥机智慧管控装置,该装置包括至少一个处理器以及至少一个存储器,至少一个存储器用于存储计算机指令,至少一个处理器用于执行计算机指令中的至少部分指令以实现上述任意一项或多项实施例所述的架桥机智慧管控方法。
本说明书的一些实施例提供一种计算机可读存储介质,存储介质用于存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行上述任意一项或多项实施例所述的架桥机智慧管控方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
Claims (8)
1.一种架桥机智慧管控方法,其特征在于,所述方法由处理器执行,包括:
确定架桥机的当前作业阶段,以及基于所述当前作业阶段,确定初始监测密集度;
基于所述初始监测密集度,获取所述架桥机的至少一个预设点位的监测数据以及所述架桥机所处环境的环境参数;
基于所述环境参数以及所述监测数据,确定所述架桥机的作业稳定度;
响应于所述作业稳定度不满足预设条件,控制制动装置、液压驱动***和电力驱动***对所述架桥机的当前作业速度进行调整,以及确定未来作业阶段的目标监测密集度,其中,
判断所述作业稳定度是否满足所述预设条件的方式包括:
基于所述环境参数和所述监测数据,确定所述架桥机在未来时间点的主梁倾角变化数据;
基于所述当前作业速度和历史统计数据,确定理想倾角数据;
基于所述主梁倾角变化数据和所述理想倾角数据的差异与预设差异阈值,判断所述作业稳定度是否满足所述预设条件。
2.如权利要求1所述的架桥机智慧管控方法,其特征在于,所述方法还包括:
获取预警设备的预警次数和预警类型;
基于所述预警次数、所述预警类型、所述架桥机在未来时间点的主梁倾角变化数据和所述当前作业速度,确定所述未来时间点的预估作业稳定度;
基于所述预估作业稳定度,确定作业调整速度,并对所述当前作业速度进行调整。
3.如权利要求2所述的架桥机智慧管控方法,其特征在于,所述方法包括:
确定至少一个预设作业速度;
确定所述至少一个预设作业速度对应的所述预估作业稳定度;
基于所述至少一个预设作业速度对应的所述预估作业稳定度,确定目标作业速度,将所述目标作业速度确定为所述作业调整速度。
4.一种架桥机智慧管控***,其特征在于,所述***包括:
第一确定模块,用于确定架桥机的当前作业阶段,以及基于所述当前作业阶段,确定初始监测密集度;
获取模块,用于基于所述初始监测密集度,获取所述架桥机的至少一个预设点位的监测数据以及所述架桥机所处环境的环境参数;
第二确定模块,用于基于所述环境参数以及所述监测数据,确定所述架桥机的作业稳定度;
调整模块,用于响应于所述作业稳定度不满足预设条件,控制制动装置、液压驱动***和电力驱动***对所述架桥机的当前作业速度进行调整,以及确定未来作业阶段的目标监测密集度;
判断模块,用于判断所述作业稳定度是否满足所述预设条件,包括:
基于所述环境参数和所述监测数据,确定所述架桥机在未来时间点的主梁倾角变化数据;
基于所述当前作业速度和历史统计数据,确定理想倾角数据;
基于所述主梁倾角变化数据和所述理想倾角数据的差异与预设差异阈值,判断所述作业稳定度是否满足所述预设条件。
5.如权利要求4所述的架桥机智慧管控***,其特征在于,所述调整模块进一步用于:
获取预警设备的预警次数和预警类型;
基于所述预警次数、所述预警类型、所述架桥机在未来时间点的主梁倾角变化数据和所述当前作业速度,确定所述未来时间点的预估作业稳定度;
基于所述预估作业稳定度,确定作业调整速度,并对所述当前作业速度进行调整。
6.如权利要求5所述的架桥机智慧管控***,其特征在于,所述调整模块进一步用于:
确定至少一个预设作业速度;
确定所述至少一个预设作业速度对应的所述预估作业稳定度;
基于所述至少一个预设作业速度对应的所述预估作业稳定度,确定目标作业速度,将所述目标作业速度确定为所述作业调整速度。
7.一种架桥机智慧管控装置,其特征在于,所述装置包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1-3中任意一项所述的架桥机智慧管控方法。
8.一种计算机可读存储介质,所述存储介质用于存储计算机指令,其特征在于,当计算机读取所述存储介质中的计算机指令后,所述计算机执行如权利要求1-3任意一项所述的架桥机智慧管控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311235274.4A CN116991108B (zh) | 2023-09-25 | 2023-09-25 | 一种架桥机智慧管控方法、***、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311235274.4A CN116991108B (zh) | 2023-09-25 | 2023-09-25 | 一种架桥机智慧管控方法、***、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116991108A CN116991108A (zh) | 2023-11-03 |
CN116991108B true CN116991108B (zh) | 2023-12-12 |
Family
ID=88532360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311235274.4A Active CN116991108B (zh) | 2023-09-25 | 2023-09-25 | 一种架桥机智慧管控方法、***、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116991108B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117872938B (zh) * | 2024-03-12 | 2024-06-14 | 贵州省公路建设养护集团有限公司 | 基于物联网实现桥梁施工下的设备安全控制方法及*** |
Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763053A (zh) * | 2008-12-26 | 2010-06-30 | 上海交技发展股份有限公司 | 一种移动式桥梁安全检测分析管理*** |
CN202099749U (zh) * | 2011-06-13 | 2012-01-04 | 温州合力建设机械有限公司 | 一种带左右调整装置的架桥机 |
CN103306210A (zh) * | 2013-07-05 | 2013-09-18 | 河北工业大学 | 一种架桥机前端高度可调的支撑垫块 |
CN103926903A (zh) * | 2014-04-24 | 2014-07-16 | 中铁五局集团第四工程有限责任公司 | 一种架桥机的安全监控*** |
JP2015139905A (ja) * | 2014-01-27 | 2015-08-03 | 株式会社リコー | 画像形成装置、画像形成制御方法及び画像形成制御プログラム |
CN107102604A (zh) * | 2017-06-27 | 2017-08-29 | 中铁四局集团有限公司 | 一种设备监控方法、装置及*** |
CN108052055A (zh) * | 2017-12-19 | 2018-05-18 | 安徽省交通控股集团芜湖长江公路二桥管理有限公司 | 基于运行姿态监测的架桥机危险状态预警方法及*** |
CN108196497A (zh) * | 2018-02-23 | 2018-06-22 | 长安大学 | 一种架桥机实时安全监控*** |
WO2018166519A1 (zh) * | 2017-03-17 | 2018-09-20 | 王燏斌 | 一种造桥装置及其施工法 |
CN110955209A (zh) * | 2019-11-27 | 2020-04-03 | 中交一公局第六工程有限公司 | 一种特大型架桥机安全控制***及监控方法 |
CN111335186A (zh) * | 2020-03-05 | 2020-06-26 | 青岛理工大学 | 转体桥梁安全监测预警方法、***、存储介质、预警平台 |
CN210981351U (zh) * | 2019-12-09 | 2020-07-10 | 武汉大学 | 一种基于dtu的铁路架桥机无线监测*** |
CN111948999A (zh) * | 2020-09-09 | 2020-11-17 | 中交二航局第二工程有限公司 | 一种架梁自动控制*** |
WO2020259421A1 (zh) * | 2019-06-28 | 2020-12-30 | 深圳前海微众银行股份有限公司 | 一种业务***的监控方法及装置 |
CN112650115A (zh) * | 2020-12-21 | 2021-04-13 | 中国建筑第八工程局有限公司 | 一种架桥机主动安全监控***及监控方法 |
CN112762888A (zh) * | 2020-12-29 | 2021-05-07 | 湖南省交通规划勘察设计院有限公司 | 一种桥梁空间变位监测方法和***、可读存储介质 |
CN114363733A (zh) * | 2022-03-18 | 2022-04-15 | 石家庄铁道大学 | 架桥机稳定状态实时检测预警***及其应用方法 |
CN114459373A (zh) * | 2022-04-13 | 2022-05-10 | 中交三航局第三工程有限公司 | 一种一体化架桥机的智能监测*** |
CN114785825A (zh) * | 2022-04-11 | 2022-07-22 | 内蒙古交通设计研究院有限责任公司 | 一种架桥机实时状态监控*** |
CN115167222A (zh) * | 2022-07-22 | 2022-10-11 | 福建省万物智联科技有限公司 | 一种设备监控的方法及相关设备 |
CN115538311A (zh) * | 2022-09-21 | 2022-12-30 | 四川省交通建设集团股份有限公司 | 一种架桥机姿态监测与自动调整*** |
CN218601709U (zh) * | 2022-11-15 | 2023-03-10 | 绍兴市特种设备检测院 | 一种基于ZigBee技术的架桥机安全监控管理*** |
CN115797868A (zh) * | 2022-08-26 | 2023-03-14 | 丽水学院 | 一种监测对象的行为预警方法、***、装置和介质 |
CN115824154A (zh) * | 2022-12-20 | 2023-03-21 | 中铁株洲桥梁有限公司 | 一种架桥机关键部位姿态监测***及其应用方法 |
CN116026414A (zh) * | 2023-02-14 | 2023-04-28 | 中交第三航务工程局有限公司 | 一体化架桥机监测***及监测方法 |
CN116306062A (zh) * | 2022-09-07 | 2023-06-23 | 广州市建筑科学研究院集团有限公司 | 建设工程智能监测方法、***、装置和存储介质 |
CN219326519U (zh) * | 2023-04-20 | 2023-07-11 | 河南省约翰起重电器有限公司 | 一种架桥机的监控*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200051419A1 (en) * | 2017-10-11 | 2020-02-13 | Analog Devices Global Unlimited Company | Cloud-based machine health monitoring |
US11294094B2 (en) * | 2018-01-19 | 2022-04-05 | Osram Sylvania Inc. | Methods and devices for activity monitoring in spaces utilizing an array of motion sensors |
-
2023
- 2023-09-25 CN CN202311235274.4A patent/CN116991108B/zh active Active
Patent Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763053A (zh) * | 2008-12-26 | 2010-06-30 | 上海交技发展股份有限公司 | 一种移动式桥梁安全检测分析管理*** |
CN202099749U (zh) * | 2011-06-13 | 2012-01-04 | 温州合力建设机械有限公司 | 一种带左右调整装置的架桥机 |
CN103306210A (zh) * | 2013-07-05 | 2013-09-18 | 河北工业大学 | 一种架桥机前端高度可调的支撑垫块 |
JP2015139905A (ja) * | 2014-01-27 | 2015-08-03 | 株式会社リコー | 画像形成装置、画像形成制御方法及び画像形成制御プログラム |
CN103926903A (zh) * | 2014-04-24 | 2014-07-16 | 中铁五局集团第四工程有限责任公司 | 一种架桥机的安全监控*** |
WO2018166519A1 (zh) * | 2017-03-17 | 2018-09-20 | 王燏斌 | 一种造桥装置及其施工法 |
CN107102604A (zh) * | 2017-06-27 | 2017-08-29 | 中铁四局集团有限公司 | 一种设备监控方法、装置及*** |
CN108052055A (zh) * | 2017-12-19 | 2018-05-18 | 安徽省交通控股集团芜湖长江公路二桥管理有限公司 | 基于运行姿态监测的架桥机危险状态预警方法及*** |
CN108196497A (zh) * | 2018-02-23 | 2018-06-22 | 长安大学 | 一种架桥机实时安全监控*** |
WO2020259421A1 (zh) * | 2019-06-28 | 2020-12-30 | 深圳前海微众银行股份有限公司 | 一种业务***的监控方法及装置 |
CN110955209A (zh) * | 2019-11-27 | 2020-04-03 | 中交一公局第六工程有限公司 | 一种特大型架桥机安全控制***及监控方法 |
CN210981351U (zh) * | 2019-12-09 | 2020-07-10 | 武汉大学 | 一种基于dtu的铁路架桥机无线监测*** |
CN111335186A (zh) * | 2020-03-05 | 2020-06-26 | 青岛理工大学 | 转体桥梁安全监测预警方法、***、存储介质、预警平台 |
CN111948999A (zh) * | 2020-09-09 | 2020-11-17 | 中交二航局第二工程有限公司 | 一种架梁自动控制*** |
CN112650115A (zh) * | 2020-12-21 | 2021-04-13 | 中国建筑第八工程局有限公司 | 一种架桥机主动安全监控***及监控方法 |
CN112762888A (zh) * | 2020-12-29 | 2021-05-07 | 湖南省交通规划勘察设计院有限公司 | 一种桥梁空间变位监测方法和***、可读存储介质 |
CN114363733A (zh) * | 2022-03-18 | 2022-04-15 | 石家庄铁道大学 | 架桥机稳定状态实时检测预警***及其应用方法 |
CN114785825A (zh) * | 2022-04-11 | 2022-07-22 | 内蒙古交通设计研究院有限责任公司 | 一种架桥机实时状态监控*** |
CN114459373A (zh) * | 2022-04-13 | 2022-05-10 | 中交三航局第三工程有限公司 | 一种一体化架桥机的智能监测*** |
CN115167222A (zh) * | 2022-07-22 | 2022-10-11 | 福建省万物智联科技有限公司 | 一种设备监控的方法及相关设备 |
CN115797868A (zh) * | 2022-08-26 | 2023-03-14 | 丽水学院 | 一种监测对象的行为预警方法、***、装置和介质 |
CN116306062A (zh) * | 2022-09-07 | 2023-06-23 | 广州市建筑科学研究院集团有限公司 | 建设工程智能监测方法、***、装置和存储介质 |
CN115538311A (zh) * | 2022-09-21 | 2022-12-30 | 四川省交通建设集团股份有限公司 | 一种架桥机姿态监测与自动调整*** |
CN218601709U (zh) * | 2022-11-15 | 2023-03-10 | 绍兴市特种设备检测院 | 一种基于ZigBee技术的架桥机安全监控管理*** |
CN115824154A (zh) * | 2022-12-20 | 2023-03-21 | 中铁株洲桥梁有限公司 | 一种架桥机关键部位姿态监测***及其应用方法 |
CN116026414A (zh) * | 2023-02-14 | 2023-04-28 | 中交第三航务工程局有限公司 | 一体化架桥机监测***及监测方法 |
CN219326519U (zh) * | 2023-04-20 | 2023-07-11 | 河南省约翰起重电器有限公司 | 一种架桥机的监控*** |
Also Published As
Publication number | Publication date |
---|---|
CN116991108A (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116991108B (zh) | 一种架桥机智慧管控方法、***、装置及存储介质 | |
KR102373787B1 (ko) | 고장 예측 시스템의 고장 유형 빅데이터를 이용한 기계설비의 잠재적 고장 예측 방법 | |
CN106407589B (zh) | 一种风机状态评估与预测方法及*** | |
CN210924883U (zh) | 一种桥梁结构健康监测*** | |
JP2004524609A (ja) | 予測状態監視における変化状態の適応モデリング | |
CN115303946A (zh) | 基于数字孪生的塔式起重机工作监测方法、*** | |
KR102306269B1 (ko) | 실시간 아크 용접 결함 탐지/분류 방법 및 장치 | |
US20200156680A1 (en) | Railway vehicle major component and system diagnosis apparatus | |
CN116750648A (zh) | 一种基于数字孪生的起重机械工作监测***及方法 | |
CN117892882A (zh) | 基于网络通讯平台的黄河坝岸监控报警报险***及方法 | |
CN117792219B (zh) | 一种电机驱动智能调控方法及*** | |
CN109292656A (zh) | 基于电能监测和物联技术的塔机实时监测预警***及方法 | |
CN111766514B (zh) | 一种设备检测点的数据分析方法 | |
CN113204867A (zh) | 管网瞬态过程智能调度方法 | |
CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
CN117154945A (zh) | 基于云计算技术的变配电站智能监测方法 | |
CN116938676A (zh) | 一种基于数据源分析的通信风险联合预警方法 | |
CN115640980A (zh) | 基于目标控制的电网工程造价动态管理*** | |
CN114943281A (zh) | 一种热管冷却反应堆智能决策方法及*** | |
Sun et al. | A data-driven framework for tunnel infrastructure maintenance | |
CN114135580A (zh) | 磁轴承转子的位置评估方法及装置 | |
CN111259494B (zh) | 重机设备健康监测分析方法 | |
Yang et al. | Forecasting model for urban traffic flow with BP neural network based on genetic algorithm | |
CN117542169B (zh) | 基于大数据分析的自动化设备温度异常预警方法 | |
KR102512089B1 (ko) | 인공지능 기반 인지-제어기능이 적용된 디젤형 발전기 자동운용 제어반 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |